Học máy – Machine Learning là gì?

ntgiap

Member
Tham gia
15/2/20
Bài viết
187
Được thích
0
150 #1
Học Máy đã trở thành một trong những chủ đề quan trọng nhất trong các tổ chức đang tìm kiếm những cách thức sáng tạo để tận dụng tài sản dữ liệu nhằm giúp doanh nghiệp đạt được mức độ hiểu biết mới. Tại sao lại là Học máy?

Học máy – Machine Learning là gì?
Học máy là một dạng AI cho phép hệ thống “học” tự động từ dữ liệu thay vì thông qua lập trình rõ ràng. Tuy nhiên, học máy không phải là một quá trình đơn giản. Khi các thuật toán sử dụng dữ liệu đầu vào, sau đó có thể tạo ra các mô hình chính xác hơn dựa trên dữ liệu đó.
Mô hình Học máy được tạo ra khi bạn đào tạo thuật toán học máy của mình với dữ liệu. Khi bạn cung cấp một mô hình với đầu vào, bạn sẽ được cung cấp đầu ra. Ví dụ, một thuật toán dự đoán sẽ tạo ra một mô hình dự đoán. Sau đó, khi bạn cung cấp dữ liệu cho mô hình dự đoán, bạn sẽ nhận được dự đoán dựa trên dữ liệu đã đào tạo từ mô hình.

Thuật toán học máy
Kỹ thuật Học máy được yêu cầu để cải thiện độ chính xác của các mô hình dự đoán. Tùy thuộc vào bản chất của vấn đề kinh doanh đang được giải quyết, có những cách tiếp cận khác nhau dựa trên loại và khối lượng dữ liệu.
Học có giám sát
Học có giám sát thường bắt đầu với một tập hợp dữ liệu được gán nhãn (labeled data) và có hiểu biết nhất định về cách dữ liệu đó được phân loại. Học có giám sát nhằm mục đích tìm ra các mẫu trong dữ liệu có thể được áp dụng cho quy trình phân tích. Dữ liệu này có các tính năng được gắn nhãn xác định ý nghĩa của dữ liệu. Ví dụ: bạn có thể tạo một ứng dụng học máy để phân biệt giữa hàng triệu loài động vật chỉ dựa trên vật thể và sự mô tả bằng văn bản.
Học không giám sát
Học không giám sát không được cung cấp dữ liệu được dán nhãn. Ví dụ, các ứng dụng truyền thông xã hội như Facebook, Twitter, Instagram và Snapchat, tất cả đều có lượng lớn dữ liệu không được gắn nhãn. Việc hiểu ý nghĩa đằng sau dữ liệu này yêu cầu các thuật toán phân loại dữ liệu dựa trên các mẫu, đặc điểm hoặc cấu trúc chung của chúng.
Học không giám sát thực hiện một quá trình lặp đi lặp lại, phân tích dữ liệu mà không có sự can thiệp của con người. Nó được sử dụng với công nghệ phát hiện thư rác (Spam) Email. Có quá nhiều biến số trong các Email hợp pháp và spam để một nhà phân tích gắn thẻ hàng loạt email không mong muốn. Thay vào đó, học máy dựa trên phân tích cụm và liên kết để áp dụng xác định email không mong muốn.
Học tăng cường
Học tăng cường là một mô hình học tập theo hành vi. Thuật toán nhận phản hồi từ phân tích dữ liệu, hướng dẫn người dùng đến kết quả tốt nhất. Học tăng cường khác với các loại học có giám sát khác, vì hệ thống không được đào tạo với tập dữ liệu mẫu. Đúng hơn, hệ thống học thông qua việc thử và sai.
Học sâu (Deep learning)
Học sâu là một phương pháp học máy cụ thể kết hợp mạng nơ-ron trong các lớp liên kết để học từ dữ liệu theo cách lặp đi lặp lại. Học sâu đặc biệt hữu ích khi bạn đang cố gắng tìm hiểu các mẫu từ dữ liệu phi cấu trúc.
Các mạng nơ-ron phức tạp trong Học sâu được thiết kế để mô phỏng cách bộ não con người hoạt động, vì vậy máy tính có thể được đào tạo để đối phó với các vấn đề trừu tượng chưa được xác định rõ ràng. Một đứa trẻ năm tuổi trung bình có thể dễ dàng nhận ra sự khác biệt giữa khuôn mặt của giáo viên và khuôn mặt của người bảo vệ. Ngược lại, máy tính phải thực hiện nhiều thao tác để tìm ra ai là ai. Mạng nơ-ron và Học sâu thường được sử dụng trong các ứng dụng nhận dạng hình ảnh, giọng nói và thị giác máy tính.

Big data trong học máy
Học máy yêu cầu phải áp dụng tập hợp dữ liệu phù hợp cho quá trình huấn luyện. Một tổ chức không nhất thiết phải có dữ liệu lớn để sử dụng các kỹ thuật học máy. Tuy nhiên, dữ liệu lớn có thể giúp cải thiện độ chính xác của các mô hình học máy. Với dữ liệu lớn, giờ đây có thể ảo hóa dữ liệu để có thể lưu trữ dữ liệu một cách hiệu quả và tiết kiệm chi phí nhất, cho dù là lưu trữ tại chỗ hay trên đám mây.
Không có quá trình chuyển đổi công nghệ nào xảy ra một cách cô lập. Sự thay đổi xảy ra khi có một vấn đề kinh doanh chưa được giải quyết kết hợp với sự trưởng thành của công nghệ. Có vô số ví dụ về các công nghệ quan trọng đã đủ trưởng thành để hỗ trợ sự phát triển của Học máy.
Các công nghệ dữ liệu lớn đang phát triển này bao gồm ảo hóa dữ liệu, xử lý song song, hệ thống tệp phân tán, cơ sở dữ liệu trong bộ nhớ, lưu trữ và các dịch vụ vi mô. Sự kết hợp của những tiến bộ công nghệ này có thể giúp các tổ chức giải quyết các vấn đề kinh doanh đáng kể. Các doanh nghiệp chưa bao giờ thiếu một lượng lớn dữ liệu. Các nhà lãnh đạo đã thất vọng trong nhiều thập kỷ về việc họ không thể sử dụng sự phong phú của các nguồn dữ liệu để có được những thông tin chi tiết hữu ích từ dữ liệu của họ.
Được trang bị công nghệ dữ liệu lớn và mô hình học máy, các tổ chức có thể dự đoán tương lai và chuẩn bị tốt hơn cho những biến động xảy ra trong tương lai.

Nguồn bài viết:
Học máy - Machine Learning là gì? - Trang thông tin giải pháp công nghệ tự động hóa IoT 4.0
 

Theo dõi Youtube

Thành viên online

Quảng Cáo

Quảng Cáo

Có thể bạn quan tâm

Top Bottom